PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI PENDERITA ANEMIA

Zulfi Tisna Tama, Muhammad (2024) PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI PENDERITA ANEMIA. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (324kB)
	Text BAB II.pdf Restricted to Registered users only Download (681kB)
	Text BAB III.pdf Restricted to Registered users only Download (482kB)
	Text BAB IV.pdf Restricted to Registered users only Download (760kB)
	Text BAB V.pdf Download (247kB)
	Text DAFTAR PUSTAKA.pdf Download (291kB)

Abstract

Machine Learning merupakan cabang dari Artificial Intelligence atau AI yang memberikan banyak kontribusi dalam pengolahan data dan tugas komputasi lainnya. Klasifikasi termasuk salah satu tugas Machine Learning yang dapat memberikan berbagai solusi dengan menerapkan algoritma. Algoritma klasifikasi yang digunakan adalah K-Nearest Neighbor. Penerapan algoritma K-Nearest Neighbor dalam mengklasifikasi penderita anemia dilakukan untuk mengetahui suatu individu menderita anemia atau tidak berdasarkan parameter atau fitur penting pada Dataset Anemia agar dapat dilakukan pencegahan dini penyakit anemia dan memberikan klasifikasi penderita anemia yang lebih optimal. Model K-Nearest Neighbor diterapkan menggunakan nilai k terbaik yaitu k = 5, metrik jarak Euclidean, dan validasi silang 10-Cross Validation dengan Fold terbaik pada Fold-2 dan Fold-9. Hasil penelitian ini menunjukkan bahwa model algoritma K-Nearest Neighbor bekerja dengan sangat baik dan hasil evaluasi kinerja model menggunakan Confusion Matrix memberikan nilai akurasi sebesar 97%, presisi sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), recall sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia), serta f1-score sebesar 98% pada kelas 0 (tidak anemia) dan 96% pada kelas 1 (anemia).

Actions (login required)

View Item